犯罪空間依賴性分析

潘振生 王宏玉

摘要：一個地區犯罪高發，其周邊鄰近地區為何也犯罪高發？這一現象應該如何描述，又該如何解釋？本文使用犯罪空間依賴性來概括這一現象，以廣東地區犯罪為例進行描述性分析，發現該地區犯罪空間依賴性呈增強趨勢，廣州、東莞和中山形成犯罪熱點地區。基于此，本文構建了空間計量經濟學中的空間計量模型，研究不僅發現了本地區犯罪與鄰近地區犯罪的強相關，而且計量出犯罪影響因素具有顯著的空間溢出效應，以犯罪及其影響因素的空間交互效應對犯罪空間依賴性的成因進行了解釋。

關鍵詞：犯罪空間依賴性；空間計量經濟學；溢出效應

中圖分類號：D917文獻標識碼：A文章編號：2095-5103（2021）05-0036-12

作者簡介：潘振生，中國人民公安大學犯罪學學院碩士研究生；王宏玉，中國人民公安大學犯罪學學院副教授，碩士生導師，博士。

一、問題的提出

空間依賴性是一種客觀存在的空間地理現象，主要指空間觀測單位之間的地理依賴或空間相關[1]。例如，犯罪在空間上并不是均勻分布的，犯罪較多的區域，其周邊鄰近地區的犯罪也相對較多，這種現象被稱為犯罪空間依賴性。人口、國內生產總值（GDP）等也已被證實存在類似現象[2]。

目前，國內外針對犯罪空間依賴性的研究主要有兩類：一類是對犯罪的空間依賴性進行描述，屬于犯罪現象研究范疇。較為常見的是對不同犯罪類型進行空間依賴性等空間特征分析，例如故意殺人、搶劫、入室盜竊、詐騙、毒品犯罪。當研究尺度從宏觀地區轉向微觀的街區、地點，犯罪依賴性的描述便成為了“犯罪熱點”的識別與分析。由于足夠微觀，往往能夠提出具體實用的犯罪治安防控對策；另一類是基于犯罪空間分布的視角分析影響犯罪的各種因素，屬于犯罪原因研究范疇。根據因素側重不同具體又可分為兩種，一種是側重社會經濟因素，實質是對傳統的社會學犯罪原因研究范式中對空間效應考量不足的變革。如，在考慮社區空間依賴性的基礎上分析資源匱乏對故意殺人罪數量的影響，分析暴力犯罪的種族差異，借助空間計量模型研究就業狀況對城市犯罪的影響，對社會人口學特征與入室盜竊行為的關系進行空間分析等；另一種是側重空間因素，探究城市建成環境因素中，城市建設用地性質、居住區環境、娛樂與商業場所、交通設施等空間因素對犯罪的影響。我國學者單勇在理論上提出利用空間相關性（包含空間依賴性）解釋犯罪熱點成因[3]。

犯罪空間依賴性是犯罪與空間關系研究的新領域，是一種對犯罪現象的新的包含空間效應的總體描述，能夠引導我們從空間角度非線性地探求犯罪原因，為全面預防和治理犯罪提供重要啟示。但隨著犯罪空間依賴性觀測技術的日臻成熟，對犯罪空間依賴性成因進行探析便順理成章且必要，而目前國內關于犯罪空間依賴性成因的研究和分析相對薄弱。基于此，本文擬解決以下問題：一、試用我國數據證明，我國犯罪是否存在空間依賴性？二、哪些結構性的因素和空間過程導致了犯罪空間依賴性的形成？三、在我國實施區域一體化戰略背景下，犯罪空間依賴性對犯罪治理有何啟示？

二、犯罪空間依賴性分析路徑

1.學科背景與理論基礎

犯罪作為特殊的人類行為，發生在地理空間中，自然也應當具有空間依賴性。

犯罪與空間的關系研究最早可追溯到19世紀30年代犯罪學的“制圖學派”，巴爾比（Adriano Balbi）和格雷（Guerry）對法國大行政區之間的犯罪水平和犯罪率做了比較。凱特萊（Quetelet）還注意到大行政區犯罪的多變性，發現一些最貧窮地區的犯罪率最低，這種從空間角度思考犯罪的做法打破了當時人們“貧窮導致犯罪，越貧窮地區犯罪越多”的主觀臆想。

20世紀初，犯罪學重心從歐洲轉移到了美國，其中“芝加哥學派”代表人物帕克（Park）和伯吉斯（Burgess）通過研究城市環境的特點提出了“同心圓理論”[4]。肖（Shaw）和麥凱（Mckay）在研究中系統地建立起了影響犯罪因素的指標體系，并運用時空分析的方法，一方面從時間維度，縱向比較某一區域不同時間指標體系中某些因素的變化對犯罪數量變化的影響；另一方面從空間維度，橫向比較不同區域指標體系中某些因素的差異對這些區域犯罪數量差異的影響[5]。這種不同空間地理區域的比較研究成為探求犯罪規律和原因的重要研究范式。

20世紀60年代以后，美國學者雅各布斯（Jane Jacobs）、紐曼（Oscar Newman）和杰佛瑞（Jeffery）分別提出了“街道眼”理論[6]、“可防衛空間”理論[7]和“通過環境設計預防犯罪”（Crime Prevention Through Environmental Design，簡稱CPTED）理論[8]，開創了通過設計城市物理空間布局以預防抑制犯罪的道路，至今仍在城市規劃和建筑設計等領域發揮著重要的作用。

20世紀70年代以后，隨著日常活動理論、理性選擇理論和犯罪形態理論等環境犯罪學理論的提出，人們逐漸認識到空間環境不只是犯罪產生的原因，更是犯罪發生的條件。雖然就犯罪目的而言，犯罪是人類的非理性行為，但就犯罪的過程來說，犯罪卻是犯罪人理性實施的。根據日常活動理論，犯罪只會在易獲得的目標和被害人、缺失的監管看護、有犯罪動機的犯罪人三個條件同時具備時發生。根據理性選擇理論，犯罪人會衡量犯罪的收益和風險成本，只有當凈收益大于零時，才會做出實施犯罪行為的決策。空間位置對犯罪動機、犯罪機會和犯罪監管都會產生影響，進而影響犯罪的成本、風險和收益。布蘭廷厄姆夫婦提出的犯罪形態理論更是直接辯稱，一個地點的空間背景將激發個人的犯罪動機，進而影響是否犯罪的可能[9]。這些理論都可以從微觀角度解釋犯罪人會對不同區域進行“理性”的選擇，從而使得犯罪形成不同的空間分布格局，具有相似空間因素的鄰近區域會形成犯罪依賴性現象。

在1989年，謝爾曼（Sherman）發現一個城市50%的犯罪發生在3%-4%的犯罪地點[10]，這引起了犯罪學界對“犯罪熱點”的極大興趣。大衛·威斯勃德等人對西雅圖市1989—2002年街面犯罪熱點的研究得出了類似的結論，進而提倡“地點犯罪學”和指導警務實踐的“基于地點警務”[11]。

2.研究數據

本文選用的數據來源于《2019年廣東社會統計年鑒》《2019年廣東統計年鑒》，主要包括2009-2018年廣東省各地級市的公安機關刑事案件立案數量，2018年廣東省各地市國內生產總值、居民人均可支配收入、登記失業人數、暫住人口分布等數據。我們選取公安機關刑事案件立案數量作為犯罪的衡量指標，2018年的數據特征如表1所示。

從表1中可以看出，數據的標準差較大，四分之三位數與四分之一位數之差較大，這意味著廣東各地市之間犯罪數量差距較大。但是，這樣的數據展示方式不能體現空間信息，需要將數據從圖表形式轉化為地圖形式，用更直觀的形式進一步探究犯罪數據中與空間相關的統計特征。如圖1所示，現代犯罪繪圖技術能夠在地圖上將犯罪事件可視化，以分析空間中犯罪的分布情況，并識別犯罪模式。從圖中可以粗略地觀察到，廣東省的犯罪數量呈現出以珠三角地區為中心，向周邊遞減的分布模式。佛山、廣州、東莞、深圳四市的犯罪數量作為第一等級，處于2.9萬件至11.8萬件范圍內，遠遠高于省內其他地區，而且四市地理邊界鄰接，人員流動頻繁，社會經濟聯系密切，都處在粵港澳大灣區區域一體化的歷史進程中。故而我們推測廣東省內犯罪可能存在空間依賴性，而且是影響犯罪的各項社會經濟因素的空間溢出效應造成了犯罪空間依賴性。這些條件使得本項研究工作具有潛在的現實意義，但犯罪的空間依賴性是否真實存在以及為何存在，需要地理計算科學、空間計量經濟學等學科提供的方法進行客觀邏輯檢驗。

3.研究方法與框架

（1）描述犯罪空間依賴性的方法

我們使用探索性空間分析（ESDA）對廣東地區犯罪在地級市層次上是否表現出犯罪空間依賴性進行檢驗，并將整個過程通過可視化制圖展示出來。探索性空間分析（Exploratory Spatial Data Analysis，ESDA）是一系列地理信息統計分析技術的集合，在交互式計算環境中融合了描述性和探索性，它通過制圖來可視化空間模式的假設檢驗[12]。本文對探索性空間分析（ESDA）主要包括的莫蘭指數（Morans I）、局部空間關聯指數（LISA）進行簡要說明。

莫蘭指數。莫蘭指數（Morans I）是使用最廣泛的能夠檢驗空間依賴性的統計量。莫蘭指數分為全局莫蘭指數和局部莫蘭指數。在實證分析中，我們通常使用全局莫蘭指數來探測是否存在空間依賴性，該指數的取值在[-1，1]范圍內，指數是正值表示存在正向空間依賴性，負值表示存在負向空間依賴性，絕對值越大，并且顯著，證明空間依賴強度越大。其計算公式為：

空間聯系局部指標（LISA）。空間聯系局部指標（LISA）是安塞林（Anselin）提出的一組指標，既能用于度量空間數據的局部相關性，識別空間聚集，也能為進一步分析異常值奠定基礎，其中就包括局部莫蘭指數。

其中，Ii表示第i個空間單元的局部莫蘭指數，因此莫蘭指數I就是所有局部莫蘭指數的平均值。

局部莫蘭指數可以和莫蘭散點圖配合使用，篩選出通過局部莫蘭指數檢驗而表現出顯著空間依賴性的空間單元。莫蘭散點圖是指將各個空間單元的觀測值作為橫坐標與其空間滯后項作為縱坐標繪制成的散點圖。莫蘭散點圖的坐標軸形成的四個象限將散點分為了四類，第一、二、三、四象限分別對應著“高-高”“低-高”“低-低”“高-低”四種不同的空間相關狀態，將這四種狀態在地圖上表示出來，就成了經典的LISA圖。

（2）研究犯罪空間依賴性成因的方法

建立空間計量模型

本文擬在判定犯罪存在空間依賴性后，選擇和建立多個空間計量模型，進而對空間溢出效應進行估算以解釋犯罪空間依賴性。

其中，Y為N×1階向量，是每個空間單元（i=1，2，？，N）被解釋變量的觀測值。lN是一個N×1階元素為1的單位列向量，與常數項參數α相對應。X是解釋變量矩陣，β是解釋變量參數，ε是誤差項。

對于大多數空間實證分析而言，空間計量建模首先是從非空間計量模型如經典線性回歸模型（OLS）開始的，然后討論或者檢驗這個模型能否加入空間效應以建立空間分布。空間計量經濟學家伯里奇（Burridge）、安塞林（Anselin）以及埃爾霍斯特（Elhorst）在模型的選擇和檢驗中做出大量貢獻，提出了LM-error、LM-lag準則和robust LM-error、robust LM-lag準則。所以，建立經典線性回歸模型以后，需要進行LM相關檢驗，根據檢驗結果討論能否建立有關空間滯后的空間計量模型。

計量本地效應與溢出效應

建立空間計量模型可以利用回歸系數，但仍不足以解釋犯罪空間依賴性的形成，需要進一步計算本地效應與溢出效應。本地效應，又稱直接效應，是指本空間單元變量對本空間單元變量的解釋；溢出效應，又稱間接效應，是指其他空間單元變量對本空間單元變量的解釋。本文的目的在于通過空間計量模型計算解釋變量的空間溢出效應，以此對犯罪的空間依賴性進行一定的合理解釋。在本文使用J·保羅·埃爾霍斯特提出的空間本地效應（直接效應）與溢出效應（間接效應）的估算方法[13]，總結見表2。

（3）研究框架

本研究是在試驗過程中逐步完成的。首先，我們將廣東地區的犯罪數據與空間數據結合起來，制作犯罪分級地圖以觀察是否可能存在空間依賴性。其次，我們對犯罪是否具有犯罪空間依賴性進行檢驗，如果通過檢驗則繼續探究下去，對犯罪的空間依賴性依次進行全局描述和局部描述，以回答“犯罪空間依賴性是什么，具體是怎樣的”的問題，否則結束試驗。最后，我們建立空間計量模型，構建犯罪及其影響因素的空間交互關系并計量本地效應和溢出效應，以此來解釋犯罪空間依賴性，回答“犯罪空間依賴性為什么會存在”的問題。本文的總體研究框架如圖2所示。

三、犯罪空間依賴性的描述性分析與解釋性分析

1.犯罪空間依賴性的描述性分析

（1）全局性描述

本文使用全局莫蘭指數來檢驗2009至2018年十年間廣東省犯罪在地市級層面上是否存在犯罪空間依賴性，結果如圖3所示。

從檢驗結果上看，實線代表的全局莫蘭指數呈現出一定的趨勢性，虛線代表的莫蘭指數顯著性檢驗在2012年以后達到了5%的顯著水平，全局莫蘭指數從不顯著變成顯著，方向為正且絕對值整體上不斷增大。這說明2009年至2018年十年間廣東省內犯罪的聚集性在增強，犯罪空間依賴性在增強。

犯罪空間依賴性顯著的年份為2013年至2018年，這說明犯罪空間依賴性并不是必然存在的現象，其出現有一定的條件，限于篇幅和不考慮時間效應，本文以2018年的犯罪空間依賴性為例（圖4）進行展示并進行解釋性分析。

在圖4中，左圖是2018年犯罪數據的全局莫蘭指數圖示，其莫蘭指數值為0.44，屬于較強的正相關，陰影部分是經過蒙特卡洛模擬大量計算后形成的莫蘭指數的經驗分布，右邊紅色直線為計算出來的莫蘭指數，偏離于陰影部分，屬于小概率事件，拒絕了“當空間單元隨機分布時，變量不存在空間依賴性”的原假設。因此，2018年廣東省的犯罪在地級市層次上表現出較強的空間依賴性。右圖是進行了線性回歸的莫蘭散點圖，圖中直線斜率顯著不為0，同樣可以證明存在空間依賴性。此外，莫蘭散點圖四個象限代表四種不同的狀態：第一象限中，呈現了“高-高”狀態，即本地區犯罪較高的，其鄰近地區犯罪也較高，這類情況體現了正向的空間依賴性；第二象限中，呈現了“低-高”狀態，即本地區犯罪較低，其鄰近地區犯罪卻較高，體現了反向的空間依賴性；第三象限中呈現了“低-低”狀態，即本地區犯罪較低，其鄰近地區犯罪也較低，體現了正向的空間依賴性；第四象限中呈現了“高-低”狀態，即本地區犯罪較高而鄰近地區犯罪較少，體現了反向的空間依賴性。可以看出，第一、三象限中的散點較多，說明這些地區的犯罪以體現正向空間依賴性為主。

（2）局部性描述

通過空間關聯局部指標（LISA）對每個空間單元進行蒙特卡洛模擬檢驗，將顯著的點在莫蘭散點圖標記出來，如圖5所示，可以看出有3個表現出“高-高”狀態的空間單元具有顯著的局部空間依賴性，有2個表現出“低-低”狀態的空間單元具有顯著的局部空間依賴性。將這種情況表示在地圖上則如圖6所示，可以直觀形象地看到，共有5個地市的犯罪表現出局部的空間依賴性。其中，廣州、東莞、中山三地的犯罪高發且呈現“高-高”聚集，即鄰近地區犯罪高，本地區犯罪也高，屬于“犯罪熱點地區”，梅州、揭陽兩地低發且呈現“低-低”聚集，即鄰近地區犯罪較少，本地區犯罪也較少，屬于“犯罪冷點地區”。

2.犯罪空間依賴性的解釋性分析

（1）空間依賴性解釋性分析的基礎

解釋性分析的基礎——建立OLS模型

本文試建立空間計量模型以對犯罪空間依賴性進行解釋性分析，首先建立經典線性回歸模型（OLS）作為基礎模型，這一步的關鍵是選取變量。本文使用“逐步回歸法”（stepwise）篩除不顯著的變量，在保證模型的方差膨脹因子（VIF）不大于30的情況下，考慮到變量的可解釋性，最終從國民經濟、人口、就業和社會保障等類別的眾多變量中篩選出了國內生產總值（GDP）、居民人均可支配收入（INCOME）、登記失業人數（EUE）、暫住人口分布（TRP）等4個變量。因此，本文以犯罪數量為被解釋變量，以上述4個變量為解釋變量，建立經典線性回歸模型（OLS），求解結果作為基準參考與其他模型一并展示在表3中。

解釋性分析的基礎——LM檢驗分析

根據LM-error、LM-lag準則和robust LMerror、robust LM-lag準則對OLS模型的殘差進行檢驗，結果如表2所示。

綜上，根據各項拉格朗日乘子統計量的檢驗，我們應當繼續建立體現空間滯后的空間計量模型來進一步探索和評估犯罪空間依賴性的形成原因。

（2）空間計量模型分析

空間計量模型可以分析犯罪及其影響因素在空間中的交互效應，進而為犯罪空間依賴性的成因解釋奠定基礎。在本文建立的空間計量模型中，自變量空間滯后模型（SLX）是使用最小二乘法求解的，一階自回歸模型（FAR）、空間滯后模型（SAR）、空間杜賓模型（SDM）是使用極大似然方法進行參數估計的，求解結果如表3所示。

從一階自回歸模型（FAR）的結果來看，自回歸參數估計值為0.696506，并且顯著性很高，這意味著鄰近地區犯罪對本地區犯罪的平均空間效應約為0.70，鄰近地區的犯罪每增加一個單位的犯罪，本地區犯罪也要增加0.7個單位。但同時我們發現，FAR模型的R2僅為0.2895，R2統計量表示模型的擬合程度，R2值越大，表明模型對被解釋變量的解釋程度越高。所以，雖然FAR模型揭示了鄰近地區之間犯罪的強相關性，但不足以完全用鄰近地區犯罪來解釋本地區犯罪，需要結合其他解釋變量。

從空間滯后模型（SAR）的計量結果看，在加入了犯罪的空間滯后項之后，相較OLS模型，國內生產總值（GDP）對犯罪數量的影響依然十分顯著，但影響程度從OLS模型中的10.4487提高到了10.8020。該參數作為本地效應表明，國內生產總值每增加1億元，犯罪數量增加10.8020件。由此可知，國內生產總值會正向影響犯罪發生的可能性。暫住人口（TRP）的影響無較大變化，顯著性從1%置信水平降至5%置信水平，該參數作為本地效應表明，暫住人口每增加100人，犯罪數量減少1.18件，由此可知，暫住人口會反向影響犯罪在本地發生的可能性。可支配收入（INCOME）、注冊失業人數（RUE）對犯罪的影響不再具有統計顯著性。最為重要的是，犯罪的空間滯后項（W_CRIME）在SAR模型中對犯罪的影響是0.2721，在統計上極為顯著，周邊鄰近地區犯罪每增加1件，本地區犯罪增加0.27件，反映出明顯的正向溢出效應。

在自變量空間滯后模型（SLX）中，體現本地效應的回歸系數表明，國內生產總值、暫住人口對犯罪的影響與前述相同，不同的是，注冊失業人數每增加1人，犯罪數量減少0.49件。由此可見，注冊失業人數對犯罪有明顯的負向影響，促使社會上的失業人員進行登記，使失業人數可知可控，能夠有效降低犯罪在本地發生的可能性。在體現空間效應的回歸系數中，只有國內生產總值滯后項和暫住人口滯后在統計顯著性上略有起色。有趣的是，回歸系數表明，周圍鄰近地區的國內生產總值每增加1億元，本地區犯罪減少5.33件，國內生產總值在本地區是正的影響，在鄰近地區卻是負的影響。

在空間杜賓模型（SDM）中，體現本地效應的變量均顯著，國內生產總值、暫住人口和注冊失業人數與前述結果相似，本地區人均可支配收入每增加1元，本地區犯罪增加0.32件。體現空間效應變量中，僅暫住人口的空間滯后變量顯著，周圍鄰近地區的暫住人口每增加100人，本地區犯罪增加0.96件。作為四個空間計量模型中綜合性最強，空間效應假設最多的模型，空間杜賓模型（SDM）其對數似然值（Log Likelihood）最小，表現最好。

（3）本地效應與溢出效應分析

參照表4，我們進一步探討犯罪影響因素的本地效應和溢出效應。結果表明，國內生產總值（GDP）的本地效應在各個模型中均表現正值且較強，表明國內生產總值對本地犯罪是正的影響，差異在于溢出效應在空間滯后模型（SAR）中是正效應，在自變量空間滯后模型（SLX）和空間杜賓模型（SDM）中是負效應。考慮到空間滯后模型的本地效應與溢出效應的比值不隨解釋變量改變的特性，空間效應是負效應的說服力更強。由此可知，國內生產總值即地區的整體經濟狀況對犯罪是吸引作用，本地區的經濟越發達，犯罪越嚴重，而周邊鄰近地區經濟水平的相對提升，會將本地區犯罪“吸引”到鄰近地區。暫住人口（TRP）與注冊登記失業人數（RUE）對本地區同樣是負影響，其溢出效應同樣是正效應。這表明一個城市社會治理與保障的能力越強，本地區犯罪就會受到抑制，而周邊鄰近地區社會治理與保障能力的相對提高，會將鄰近地區犯罪“驅趕”到本地區。

人均可支配收入（INCOME）的本地效應是正影響，溢出效應同樣是正效應，越重視本地區可支配收入情況的犯罪人，也越重視鄰近地區的人均可支配收入情況。同時，這也說明，人均可支配收入對犯罪的吸引尺度超出了我們分析的地級市尺度，至少需要從全國的尺度，人均分析可支配收入較高的廣東省“吸引”了鄰近地區犯罪。

四、結論與啟示

1.犯罪存在空間依賴性

本文通過廣東省的犯罪數據證明了犯罪具有空間依賴性，與前人研究相似。同時發現，犯罪空間依賴性并不是必然存在的一種空間現象，在2009年至2018年十年期間，犯罪空間依賴性逐漸增強，直到2012年以后的五年，犯罪空間依賴性方才顯著起來。這說明，整個廣東省內的犯罪越來越集中。如果把犯罪看作社會中客觀存在的一方面，可以發現其有著如同經濟規律一樣的客觀規律，該現象是社會實踐的產物，也符合區域一體化的發展趨勢。

2.空間計量模型是解釋犯罪空間依賴性的有效工具

由于經典線性回歸模型（OLS）以獨立樣本為基本假設，在進行以空間單元為樣本的分析時，獨立樣本原則就演變成了“空間均質”的假設，即認為相鄰兩個空間單元間的犯罪是相互獨立且沒有關聯的，這與我們觀察到的犯罪空間依賴性現象是相矛盾的。因此，傳統的模型不能分析空間依賴性，需要通過加入了空間效應的空間計量模型來構建犯罪與犯罪影響因素之間的數學關系來探究為何犯罪會表現出空間依賴性。

3.犯罪空間依賴性源于犯罪及其影響因素的溢出效應

本研究的探因過程，是為犯罪空間依賴性尋求合理解釋。根據一階自回歸模型（FAR）我們發現本地區犯罪與鄰近地區犯罪存在較強正相關，但不足以憑此來解釋全部的本地區犯罪，需要考慮犯罪影響因素。此后，我們根據其他容納犯罪影響因素的空間計量模型計算發現，相對于本地效應，各個犯罪影響因素溢出效應較強。例如，根據空間滯后模型（SAR），本地區的犯罪在74.6%程度上由本地因素決定，在25.4%程度上是受鄰近地區犯罪影響因素的溢出影響。這表明鄰近地區犯罪影響因素也會對本地區犯罪產生重要影響，犯罪影響因素的這種較強的空間溢出效應能夠對犯罪空間依賴性進行一定的合理解釋，根據影響因素的不同，可以如前述進行細致的解釋。

4.基于犯罪空間依賴性的犯罪預防與治理

本文對犯罪空間依賴性進行了描述性分析和解釋性分析，這兩方面都對犯罪預防與治理具有重要啟示。

首先，從描述性分析來看，犯罪空間依賴性能夠幫助我們從全局角度評價一個地區犯罪的聚集程度，了解犯罪動態變化。如本文發現十年間廣東地區犯罪聚集性呈明顯聚集趨勢。從邏輯上講，犯罪聚集的同時，打擊預防犯罪的力量也應當聚集。事實上警察人數的配備遠遠滯后于防治犯罪的需要，導致部分地區警力長期相對不足，甚至仍按照常住人口配備警力，這也是近年來部分地區非在編警務人員超過在編人員的根源。因此，我們建議創新警務分配模式，在區域內根據犯罪需要合理分配警務資源，從根源上解決公安部門局部基層壓力過大的困境。此外，犯罪空間依賴性還可以探測識別犯罪熱點地區，如本文LISA圖中廣州、東莞、中山三個相鄰地市連成的犯罪熱點地區。本文使用的地市尺度的數據，如果使用空間尺度較小，如縣區、街道、社區，同理可以得到的犯罪熱點地區也會較小。空間尺度越大，治理犯罪的策略越宏觀，空間尺度越小，分析得出的策略越具體。

其次，從解釋性分析來看，犯罪空間依賴性探因過程揭示了本地區犯罪及其影響因素與鄰近地區犯罪及其影響因素的空間交互效應，本地區犯罪會影響鄰近地區的犯罪，鄰近地區的犯罪影響因素也會對本地區犯罪產生影響。現階段我國正在實施區域一體化戰略，如京津冀協同發展、長三角一體化、粵港澳大灣區等等，往往十分注重經濟產業、人口流動、交通運輸等方面的互聯互通，而容易忽視區域一體化帶來的現代化治理挑戰。犯罪的空間依賴性必然要求法治在區域一體化方面更加完善，需要我們統籌考慮經濟、人口等要素流動對犯罪的影響。如本文中經濟對犯罪起到強吸引作用，這意味著區域經濟中心的打造會出現區域內犯罪向經濟中心的集中，而對外來人口的掌握和失業人口的保障可以明顯抑制犯罪發生在本地，由此可知，犯罪治理是一個系統工程，需要全局全面考量。因此，我們建議在大灣區建設中，設置大灣區社會安全和犯罪治理一體化機構，從國家治理能力和治理體系現代化的角度出發，堅持總體國家安全觀，統籌大灣區內司法、公安、就業指導、社會保障等部門，及時評估經濟發展帶來的社會成本，綜合治理犯罪。

總而言之，本文的研究成果與方法可以為我國區域一體化背景下社會治理、法治完善、機構設置等方面的宏觀決策提供一定的智力支持和參考。

參考文獻：

[1]肖光恩，劉錦學，譚賽月明.空間計量經濟學——基于MATLAB的應用分析[M].北京：北京大學出版社，2018.

[2]沈體雁，于瀚辰.空間計量經濟學[M].北京：北京大學出版社，2019.

[3]單勇.犯罪熱點成因：基于空間相關性的解釋[J].中國法學，2016（2）：280-302.

[4]Park R E. The City[M]. Chicago： The university of Chicago Press， 1968.

[5]馬瑞.城市“易犯罪”空間研究[D].北京：清華大學，2010.

[6]Jacobs J. The death and life of great Americancities[M].NewYork：VintageBooks， 1961.

[7]Newman Oscar. Defensible Space： crime preventionthroughurbandesign[M].New York： Macmillan，1972.

[8]Jeffery CR.Crime Prevention Through Environmental Design [M]. Beverly Hills， CA： Sage， 1971.

[9]Brantingham P L， Brantingham P J. Environment， routine， and situation Toward a pattern theory of crime， in Clarke R V， Felson M. Routine activity and rational choice. Advances in Criminological Theory[M]. New Brunswick， NJ： Transaction Publishers， 1993.

[10] Sherman L W， Gartin P， Buerger M E. Hot spots of predatory crime： Routine activities and the criminology of place[J].Criminology， 1989，27（1）：27-55.

[11] Weisburd D L， Telep C W. The Efficiency of Place- Based Policing[J]. SSRN Electronic Journal， 2015，17（1）：15-26.

[12] Messner S F， Anselin L， Baller R D， et al. The Spatial Patterning of County Homicide Rates： An Application of Exploratory Spatial DataAnalysis[J].JournalofQuantitative Criminology， 1999，15（4）：423-450.

[13] J·保羅·埃爾霍斯特.空間計量經濟學——從橫截面數據到空間面板[M].肖光恩，譯.北京：中國人民大學出版社，2015.

責任編輯：陳若水